[論文レビュー] Prophet Inequalities for Matching with a Single Sample

Paul Dütting, Federico Fusco+3 more|arXiv (Cornell University)|Apr 5, 2021

Optimization and Search Problems被引用数 2

ひとこと要約

本稿では、各エッジ価値分布から1つのサンプルのみを用いて、エッジ到着および頂点到着の下で最大重みマッチングに対する定数倍の予言者不等式を提示する。グリーディーに基づくアルゴリズムを導入し、サンプルから得られるしきい値と、サンプルエッジ上のグリーディーマッチングのオフライン解析を組み合わせることで、一般グラフでは16-近似、二部グラフでは片側頂点到着の下で8-近似を達成する。

ABSTRACT

We consider the prophet inequality problem for (not necessarily bipartite) matching problems with independent edge values, under both edge arrivals and vertex arrivals. We show constant-factor prophet inequalities for the case where the online algorithm has only limited access to the value distributions through samples. First, we give a $16$-approximate prophet inequality for matching in general graphs under edge arrivals that uses only a single sample from each value distribution as prior information. Then, for bipartite matching and (one-sided) vertex arrivals, we show an improved bound of $8$ that also uses just a single sample from each distribution. Finally, we show how to turn our $16$-approximate single-sample prophet inequality into a truthful single-sample mechanism for online bipartite matching with vertex arrivals.

研究の動機と目的

• 各エッジ価値分布から1つのサンプルしか入手できない状況でのマッチング問題に対する定数倍の予言者不等式の設計。
• エッジ到着および頂点到着モデルの下で、一般および二部マッチングに単一サンプルのパラダイムを拡張すること。
• エージェントの報告とは独立してサンプル値に基づいて価格を設定することにより、オンライン二部マッチングのための真実性を持つメカニズムの開発。
• 制限された分布情報下でのグリーディーに基づくアルゴリズムの性能の分析。

提案手法

• サンプルグラフ上でグリーディーマッチングを用いて、オンライン意思決定のためのしきい値を導出する。
• しきい値ルールを適用：エッジの実現値がその両端の頂点の2つのサンプルエッジ値の最大値を超える場合にのみ、エッジを受容する。
• サンプルと実現値に基づいて、価格妥当なエッジのオフライン参照集合 E′ を構築する。
• E′ における最大マッチングの期待重みを分析することで、オンラインアルゴリズムの性能を上限づける。
• オフライン版のアルゴリズムは到着順に依存せず同じ E′ セットを生成することを活用する。
• サンプル値に基づいて価格を設定することで、16-近似の単一サンプル予言者不等式を真実性を持つメカニズムに変換する。

実験結果

リサーチクエスチョン

• RQ1 各エッジ分布から1つのサンプルしか入手できない状況で、マッチング問題に対する定数倍の予言者不等式を達成できるか？
• RQ2 エッジ到着の下で、1つのサンプルのみを用いた一般グラフマッチングにおいて、どの近似比が達成可能か？
• RQ3 片側頂点到着の下で、1つのサンプルを用いた二部グラフマッチングにおいて、近似比はどのように向上するか？
• RQ4 単一サンプル予言者不等式を、オンライン二部マッチングのための真実性を持つメカニズムに変換できるか？
• RQ5 グリーディー・アルゴリズムのどの構造的性質が、制限された情報下でも性能保証を可能にするか？

主な発見

• 本稿では、エッジ到着の下で各エッジ分布から1つのサンプルのみを用いて、一般グラフにおける最大重みマッチングに対して16-近似の予言者不等式を達成する。
• 片側頂点到着の下で二部マッチングを行う場合、1つのサンプルを用いることで近似比が8に向上する。
• 提案されたアルゴリズムは、エージェントの報告とは独立してサンプル値に基づいて価格を設定することにより、オンライン二部マッチングにおける真実性を保証する。
• 分析により、オンラインアルゴリズムは、性能保証の鍵となる、価格妥当なエッジの集合 E′ における最大マッチングを計算することが示された。
• 同じオフライン参照集合 E′ がエッジ到着モデルおよび頂点到着モデルの両方で使用され、統一された分析フレームワークの構築を可能にする。
• 結果として、各分布に対して1つのサンプルという最小限の分布情報でも、組合せ的マッチング問題に対して強力な性能保証が達成可能であることが示された。